Zkuste nás kontaktovat

Návrh Školení

Úvod do multimodálního učení

  • Přehled multimodální umělé inteligence
  • Výzvy spojené se zpracováním multimodálních dat
  • Výhody využití multimodálních velkých jazykových modelů

Pochopení velkých jazykových modelů

  • Architektura nejmodernějších LLM
  • Trénování LLM s využitím multimodálních dat
  • Příklady úspěšných aplikací multimodálních velkých jazykových modelů

Zpracovávání multimodálních dat

  • Techniky předzpracování textu, obrázků a zvuku
  • Extrakce rysů a učení reprezentací dat
  • Integrace různých typů dat do velkých jazykových modelů

Tvorba aplikací s využitím multimodálních LLM

  • Návrh uživatelských rozhraní pro multimodální interakci
  • Využití LLM ve virtuálních asistentech a chatbotech
  • Tvorba pohlcujících zážitků s využitím velkých jazykových modelů

Hodnocení a optimalizace multimodálních systémů

  • Metriky pro měření výkonnosti multimodálních LLM
  • Strategie optimalizace pro zvýšení přesnosti a efektivity
  • Řešení problémů jako je straněnost či nerovnost v multimodálních systémech

Praktická laboratoř: Vytvoření projektu s využitím multimodálního LLM

  • Vytváření multimodální datové sady
  • Implementace multimodálního LLM pro konkrétní účel
  • Testování a zdokonalování vzniklého systému

Shrnutí a další kroky

Požadavky

  • Pochopení základů strojového učení a neuronových sítí
  • Zkušenosti s programováním v Pythonu
  • Orientace v předzpracování dat různých typů (text, obrázky, zvuk)

Cílová skupina

  • Datoví vědci
  • Inženýři strojového učení
  • Vývojáři softwaru
  • Výzkumníci zaměření na umělou inteligenci a zpracování přirozeného jazyka
 14 Hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie